CN114900841B - 一种通信站点的选址方法及通信装置 - Google Patents

一种通信站点的选址方法及通信装置 Download PDF

Info

Publication number
CN114900841B
CN114900841B CN202210237015.4A CN202210237015A CN114900841B CN 114900841 B CN114900841 B CN 114900841B CN 202210237015 A CN202210237015 A CN 202210237015A CN 114900841 B CN114900841 B CN 114900841B
Authority
CN
China
Prior art keywords
communication
address
communication station
deployment
deployment environment
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210237015.4A
Other languages
English (en)
Other versions
CN114900841A (zh
Inventor
秦明伟
朱悦
王焕
任静
孙海峰
张琦
韩雪梅
姚远程
侯宝临
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest University of Science and Technology
Original Assignee
Southwest University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southwest University of Science and Technology filed Critical Southwest University of Science and Technology
Priority to CN202210237015.4A priority Critical patent/CN114900841B/zh
Publication of CN114900841A publication Critical patent/CN114900841A/zh
Application granted granted Critical
Publication of CN114900841B publication Critical patent/CN114900841B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/18—Network planning tools
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/22—Traffic simulation tools or models
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/06—Testing, supervising or monitoring using simulated traffic
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Abstract

本申请公开一种通信站点的选址方法及通信装置，该方法包括：确定待部署通信站点的第一部署环境，根据第一部署环境以及选址模型确定第一部署环境中需要部署的通信站点所在的位置。其中，选址模型指示部署环境与地址组合的对应关系，地址组合中的一个地址对应一个通信站点。由于选址模型提供了通信站点的部署环境和通信站点的部署位置之间的对应关系，所以能够更快地确定通信站点在实际部署环境中较为合理的部署位置，从而提高通信的可靠性。且，由于事先建立了选址模型，因此能够适用于无法进行实际测量的部署环境，例如山地等复杂环境，适用范围更广。

Description

一种通信站点的选址方法及通信装置
技术领域
本申请涉及通信技术领域，尤其涉及一种通信站点的选址方法及通信装置。
背景技术
通信站点所在位置以及通信站点所处环境不同，会造成无线信号的传输质量不同，因此，通信站点所部署的位置尤为重要。在可能的场景中，需要在山地等复杂环境中部署通信站点，然而实际难以对山地等复杂环境进行测量，仅依据理论得出通信站点的部署位置，但是可能会出现无法建立通信连接的情况。因此，如何确定通信站点在复杂环境中的部署位置是亟需解决的问题。
发明内容
本申请提供一种通信站点的选址方法及通信装置，能够快递确定通信站点合理的部署位置，从而提高通信的可靠性。
第一方面，提供一种通信站点的选址方法，该方法的执行主体为通信装置，例如计算机，该方法包括：确定待部署通信站点的第一部署环境，根据第一部署环境以及选址模型确定第一部署环境中需要部署的通信站点所在的位置。其中，选址模型指示部署环境与地址组合的对应关系，地址组合中的一个地址对应一个通信站点。
本申请实施例提供了通信站点的部署环境和通信站点的部署地址的对应关系，即选址模型。基于选址模型能够更快地确定通信站点在实际部署环境中合理的部署位置，提高通信的可靠性。且，由于事先建立了选址模型，无需对部署环境进行实际测量，也能够确定通信站点的部署位置，因此能够适用于无法进行实际测量的部署环境，例如山地等复杂环境，适用范围更广。
在可能的实现方式中，所述方法还包括：针对至少一个部署环境中的每个部署环境，获取所述部署环境的所述特征信息；根据预设传输参数确定所述部署环境中信号由候选通信站点集合中的各个通信站点到测试终端集合中的各个终端能够经过的所有路径，根据所有路径对应的场强建立所述部署环境对应的无线传输模型；根据无线传输模型确定所述选址模型。其中，特征信息包括地表信息和地形的高程信息。预设传输参数包括如下的一项或多项：所述信号的最大反射次数、所述信号的绕射次数，以及所述信号的透射次数。无线传输模型指示在部署环境内不同位置的通信站点所对应的性能指标，所述性能指标包括路径损耗。
本申请实施例基于部署环境的特征信息预测通信站点到测试终端的传输路径的路径损耗等性能指标，也可以认为，可以预测各种部署环境对电磁波传输的影响，从而获得各种部署环境的无线传输模型。由于部署环境的特征信息除了包括部署环境的地形的高程信息，还包括部署的地表信息，例如部署环境中的植被等信息，因此，本申请实施例中的无线传输模型能够较为准确地表示实际部署环境对电磁波传输的影响，适用范围更广。
在可能的实现方式中，在根据预设传输参数确定第一部署环境中信号由候选通信站点集合中的各个通信站点到测试终端集合中的各个终端能够经过的所有路径之前，所述方法还包括：设置候选通信站点集合中至少一个通信站点的天线与测试终端集合中至少一个终端的天线之间的距离、候选通信站点集合中至少一个通信站点的发射功率，以及测试终端集合中至少一个终端的接收功率。在预测部署环境对电磁波传输的影响之前，通过调整通信站点和测试终端的一些参数，例如，通信站点的天线与终端的天线之间的距离、通信站点的发射功率，终端的接收功率等，可以更为准确地预测部署环境对电磁波传输的影响。
在可能的实现方式中，根据无线传播模型确定选址模型，包括：从无线传输模型指示的多个地址中筛选满足预设性能指标的至少一个地址，建立无线传输模型指示的部署环境与所述至少一个地址的对应关系，获得选址模型。性能指标包括如下的一项或多项：部署成本、覆盖范围、信号传输的质量，以及系统容量。本申请实施例获得部署环境对应的无线传输模型之后，可以进一步对基于无线传输模型获得的多个地址进行优化。例如，从无线传输模型指示的多个地址中筛选满足预设性能指标，例如覆盖范围的至少一个地址。这样在降低部署成本的前提下，可以使得部署通信站点后，信号的覆盖范围更广、信号的传输质量更高等。
在可能的实现方式中，从无线传输模型指示的多个地址中筛选满足预设性能指标的至少一个地址，包括：基于目标函数从无线传输模型指示的多个地址中筛选满足预设性能指标的至少一个地址，其中，目标函数满足：
Figure BDA0003542637220000021
其中，N0为要选址的通信站点的个数，N为通信站点的候选个数，P为通信站点的发射功率，Pmax为预设的最大发射功率，(xi,yi,zi)为通信站点的地理位置坐标，R为通信站点的地理位置坐标集合，Ci,j＝1指两个通信站点之间覆盖区域存在重叠，Ci,j＝0指两个通信站点之间覆盖区域不存在重叠，Ti＝1指示测试终端被覆盖，Ti＝0指示测试终端未被覆盖。本申请实施例基于多目标优化通信站点的部署地址，从而通信站点部署之后，使得各个性能指标较为平衡。
在可能的实现方式中，基于目标函数从无线传输模型指示的多个地址中筛选满足预设性能指标的至少一个地址，包括：针对N个通信站点中的第i个通信站点，确定第i个通信站点的候选地址集合，基于粒子群算法根据候选地址集合中各个候选地址对应的运动速度计算目标函数的最优解，其中，粒子群算法使用的惯性权重ω满足：
Figure BDA0003542637220000022
其中，ωmax为最大惯性权重，ωmin为最小惯性权重，it为当前迭代次数，MaxIt为迭代总次数。本申请实施例使用的惯性权重ω可使得各个候选地址对应的运动速度进行动态变化，从而筛选出更为合理的地址。
在可能的实现方式中，候选地址集合包括的地址为网格坐标，该网格坐标是基于对空间坐标进行划分得到的，其中，第X个通信站点的第m个目标在空间坐标的最小值和最大值分别为minfm(X),maxfm(X)，fm(X)为第X个通信站点的第m个目标上的函数值，第m 个目标在网格坐标上边界值um和下边界值lm分别满足：
Figure BDA0003542637220000031
其中，c 为网格坐标的划分个数；
fm(X)对应的网络坐标gm(X)满足：
Figure BDA0003542637220000032
其中，/>
Figure BDA0003542637220000033
为第m个目标上网格的大小，/>
Figure BDA0003542637220000034
表示向上取整。
本申请实施例将空间坐标网格化，从而可以避免在筛选地址时漏筛掉较为不合理的地址，即尽量筛选掉不合理的地址。
在可能的实现方式中，所述方法还包括：对多个地址对应的目标函数的取值进行排序，对排序后的多个地址按照到所对应网格的最小边界点的欧式距离从小到大排序，从排序后的多个地址中选择序号位于预设序号之前的地址确定为所述至少一个地址。本申请实施例基于目标函数的最优解，以及该最优解对应网格的最小边界点的欧式距离筛选不合理的地址，可以最大限度保证合理的地址。
第二方面，提供了一种通信装置，该通信装置具有实现上述第一方面方法实施例中的行为的功能。所述功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。该通信装置包括通信接口以及处理器，可选的，还包括存储器。其中，该存储器用于存储计算机程序或指令，处理器与存储器、通信接口耦合，当处理器执行所述计算机程序或指令时，使通信装置执行上述方法实施例所执行的方法。
第三方面，本申请提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，当该计算机程序被运行时，实现上述第一方面执行的方法。
附图说明
图1为本申请实施例提供的通信站点的选址方法的流程示意图；
图2为通信站点在部署环境中的部署位置的示意图；
图3为两种类型的信号干扰的示意图；
图4为物理空间到网格空间的映射关系示意图；
图5为排序通信站点不合理的位置的示意图；
图6为本申请实施例优化无线传输模型获得的通信站点的部署位置的流程示意图。
具体实施方式
为了使本申请实施例的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施例作进一步地详细描述。
为了实现无线信号的覆盖，需要部署通信站点，以便于终端能够实现无线信号的传输。而通信站点所在位置以及通信站点所处环境不同，会造成无线信号的传输质量不同，因此，通信站点所部署的位置尤为重要。在可能的场景中，需要在山地等复杂环境中部署通信站点。通常为了获得较高无线传输性能，可实现对部署通信站点的环境进行测量，从而根据测量数据确定通信站点的部署位置。例如，通信站点部署在同一区域不同点位时，对应的无线传输性能，从而确定通信站点的部署位置。对于山地等复杂环境来说，难以进行实际测量，因此可依据的测量数据较少，甚至没有可依据的测量数据。通常来说，对于山地等复杂环境来说，根据理论数据确定通信站点的部署位置。但是由于理论数据不能较为准确地表征山地等复杂环境的特征，因此根据理论数据确定通信站点的部署位置不准确，可能会出现无法建立通信连接的情况。可见，如何确定通信站点在复杂环境中的部署位置是亟需解决的问题。
鉴于此，提供本申请实施例的方案。在本申请实施例中，提供了通信站点的部署环境与通信站点的部署地址之间的对应关系，即选址模型。基于选址模型能够快递地确定通信站点在实际部署环境中较为合理的部署位置。通信站点的部署位置合理，可以理解为，通信站点能够满足实际部署需求，例如覆盖范围大，信号的传输质量较高，从而可提高通信的可靠性。且，本申请实施例可根据实际部署环境的地表信息和地形的高程信息，模拟射线在实际部署环境中的传输。相较于目前模拟环境只考虑了地形的高程信息来说，本申请实施例除了考虑地形的高程信息，还结合了实际部署环境的地表信息，因此可更为准确地标准实际部署环境。通过模拟射线在部署环境的传输，可以得出通信站点位于部署环境中的不同位置对电磁波传输所造成的影响，从而可将影响较小的位置确定为通信站点的部署位置。另外，考虑到实际部署的需求，例如部署成本、信号的传输质量、信号的覆盖率，等等，本申请实施例还对初始确定的通信站点的部署位置进一步优化，以得到满足实际部署需求的部署位置，以在部署成本较小的前提下，达到信号覆盖率较大，信号传输质量较高的目的。
下面结合说明书附图，详细介绍本申请实施例提供的技术方案。
请参见图1，为本申请实施例提供的通信站点的选址方法的流程示意图。该方法可以由具有处理功能的通信装置执行，也可以是能够支持通信装置功能的装置，例如芯片执行。
具体的，本申请实施例提供的通信站点的选址方法的流程描述如下：
S101、针对至少一个部署环境中的每个部署环境，获取部署环境的特征信息。
部署环境指待部署通信站点的环境，例如，山地、高原、公路等环境。本申请实施例对部署环境的粒度不作限制。例如，部署环境可以是中纬度高海拔大起伏无植被山地，也可以是中纬度中海拔中起伏阔叶林山地，还可以是中纬度低海拔中起伏灌木山地。在下文的介绍中，以部署环境是山地环境为例。
中纬度高海拔大起伏无植被山地，例如为海拔高度在3500～5000m之间，地形起伏在 1000～2500m之间的山地，例如，马尔康与康定境内等地区。中纬度高海拔大起伏无植被山地，也可以认为，没有大型障碍物，在该类山地中，可将无线信号的传播近似看作自由空间传播，多径传播的影响小，可以忽略。相对来说，中纬度中海拔中起伏阔叶林山地的海拔高度在1000～3500m之间，地形起伏在500～1000m之间，不仅有树木、石块等近散射体，还存在丘陵等远散射体，地势起伏较大，山高沟深，植被类型丰富，例如，西昌、攀枝花的大部分地区等。在该类山地中，无线信号的传播受多径影响，接收端收到的信号是多条路径信号叠加而成，会使信号功率产生衰减。而中纬度低海拔中起伏灌木山地的海拔高度低于1000m，地形起伏在500～1000m之间，会有灌木丛的分布。由于灌木丛，使得地表植被覆盖密集，通透性差，因此，在该类山地中，无线信号衰减较快。可以看出，不同的山地环境对信号传输的影响不同。对于较为复杂的山地环境，由于难以测量，因此可依据的测量数据较少，甚至没有可依据的测量数据。仅根据理论数据确定通信站点在山地环境中的部署位置，可能会出现无法建立通信连接的情况。
为此，本申请实施例可模拟通信站点部署在山地等复杂环境中的不同位置的情况下，信号传输的情况，例如，信号的衰减等，从而确定通信站点较为合理的部署位置。
首先，可模拟山地等复杂环境。例如，可获取部署环境的特征信息，该特性信息可包括部署环境的地表信息和地形的高程信息。地表信息可包括部署环境内地表建筑物、桥梁和树木等高度的地面信息。地形的高程信息，也可以称为地形的高层信息。在可能的实现方式中，可对部署环境的地形地貌等信息进行数字化模拟，例如建立地形的数字地表模型(digital surface model，DSM)，从而获得数字地表数据，也就是部署环境的特征信息。由于DSM相较于地形的高程信息的数字高程模型(digital elevation model，DEM)，进一步涵盖了除地面以外的，地表建筑物、桥梁和树木等高度的地面高程模型，所以可以更为准确地保证部署环境的特征。需要说明的是，本申请实施例可以模拟多种相对典型的山地环境，例如前述的三种山地环境。针对每种山地环境均可以获取对应的特征信息，并模拟该山地环境。
其次，可模拟射线在部署环境中的传输。例如，可以模拟通信站点在部署环境中的部署位置。以中纬度高海拔大起伏无植被山地为例，可每间隔70m左右部署一个通信站点或者测试终端，如图2所示。图2中的圆点表示通信站点。需要说明的是，图2中的通信站点可以是通信站点，也可以是测试终端。为方便描述，位于不同位置的多个通信站点称为候选通信站点集合，位于不同位置的多个测试终端称为测试终端集合。
S102、根据预设传输参数确定部署环境中信号由候选通信站点集合中的各个通信站点到测试终端集合中的各个终端能够经过的所有路径。
可以理解的是，在不同的环境中，由通信站点发送的信号到测试终端经过的传输路径可能不同，同一个通信站点发送的信号到不同测试终端所经过的传输路径的数量也可以不同。不同环境对信号传输的影响也可能不同，例如，信号的衰减程度不同，也可以认为传输路径的路径损耗不同。因此，通过预测信号从通信站点到测试终端之间的传输路径的路径损耗，可以预测通信站点所部署的位置对信号传输的影响。
可以理解的是，路径损耗与通信站点的天线和测试终端的天线之间的距离、通信站点的发射功率，测试终端的接收功率等相关。也可以理解为，通信站点的天线和测试终端的天线之间的距离、通信站点的发射功率，测试终端的接收功率等不同，对信号传输的影响也不同。因此，在模拟射线从通信站点到测试终端的传输路径对信号的影响之前，可以设置候选通信站点集合中至少一个通信站点的天线与测试终端集合中至少一个终端的天线之间的距离、候选通信站点集合中至少一个通信站点的发射功率，以及测试终端集合中至少一个终端的接收功率中的一项或多项。需要说明的是，本申请实施例不限制设定通信站点或测试终端的其他传输参数。再者，考虑到信号在传输过程中，会发生反射、绕射，透射等现象，不同的反射次数、绕射次数，透射次数对信号衰减造成的影响也不同。为此，可预设信号的最大反射次数、信号的绕射次数，以及信号的透射次数中的一项或多项，从而使得各个部署环境因信号的最大反射次数、信号的绕射次数，以及信号的透射次数对信号的影响一致。
本申请实施例预测信号从通信站点到测试终端之间的传输路径的路径损耗，可以理解为，模拟从通信站点到测试终端的射线，确定从通信站点到测试终端射线可能经过的所有路径，再确定所有路径的路径损耗。基于射线追踪模拟通信站点到测试终端的所有路径，可以尽量保证预测的准确度。
S103、根据通信站点到测试终端所有路径对应的场强建立所述部署环境对应的无线传输模型。
无线传输模型可以表征通信站点部署在部署环境内的各个位置分别对信号传输的影响。例如，部署环境内不同位置的通信站点所对应的性能指标，例如，路径损耗等。本申请实施例可根据在各个位置上的通信站点到测试终端的所有路径合成之后的信号的接收功率、通信站点的发射功率，以及通信站点的天线与测试终端的天线之间的距离等，对所有路径对应的路径损耗进行最小二乘法拟合，得到路径损耗等线性拟合曲线，从而可以获得部署环境下，通信站点的位置与信号的性能指标的对应关系。从而根据该关系可建立无线传输模型，该无线传输模型的输入为部署环境，输出为通信站点的部署位置。这样基于该无线传输模块可以快速确定通信站点在部署环境中的部署位置。
本申请实施例在建立无线传输模型之前，可以调整通信站点和/或测试终端的天线距离等传输参数，即还考虑通信站点和/或测试终端的天线之间的距离等因素对路径损耗的影响，因此，本申请实施例所获得的无线传输模型可以确定通信站点更为准确的部署位置。相较于，使用传统的信道模型估计信道参数来说，除了可快速地确定通信站点在山地等复杂环境中的部署位置，还可以保证所确定的位置更加准确。
S104、根据无线传输模型确定选址模型。
应理解，在部署通信站点时，考虑到部署成本，通信站点越少越好，但是这样无法保证信号的覆盖范围，也无法保证信号的传输质量等。为此，本申请实施例可对通过无线传输模型得到的位置进行优化，从而筛选不合理的位置，以尽量以较低的部署成本得到较宽覆盖范围、较高传输质量、较高系统容量的通信网络。为了方便描述，可将部署成本、覆盖范围、信号的传输质量、系统容量统称为性能指标。本申请实施例可预先设置一种或多种性能指标，对无线传输模型得到的位置进行优化。优化通信站点部署位置的无线传输模型可以称为选址模型。应理解，无线传输模型指示部署环境与通信站点部署的多个地址的对应关系。对通信站点部署的多个地址进行优化，也就是，从这多个地址中筛选满足预设性能指标的至少一个地址，选址地址指示部署环境与这至少一个地址的对应关系。
本申请实施例以多个目标(性能指标)优化无线传输模型得到的通信站点部署的多个地址。这多个目标，例如包括成本目标、覆盖目标、质量目标，以及容量目标。当然，本申请实施例对目标的数量和种类不作限制。
应理解，部署成本主要来源于通信站点的搭建，在每个通信站点成本固定的条件下，通信站点的数量为最主要的优化目标。即成本目标为在保证网络质量、网络覆盖的前提下，求取最少的通信站点数目。
覆盖目标是要求通信站点能覆盖到所有的测试点，并满足测试点的通信需求。而山地环境中存在大量的山峰、峡谷、树木等，受山体、植被的遮挡和吸收，无线信号衰落严重。由于每个所处的位置不同，对信号传输的影响不同，导致信号的通信覆盖范围不规则。由于实际的测试点分布信息不容易获得，因此可将终端抽象为测试点，基于无线传输模型，获得各个位置上通信站点信号的强度。因此，使通信站点的信号覆盖区域能够包含所有的测试点为覆盖目标。
质量目标就是减少不同站点间的信号干扰。通信站点部署可能会出现通信站点的信号覆盖区域重叠的现象，这样测试点可能位于这两个通信站点的信号重叠区域中，该测试点根据不同通信站点发出的信号强弱，与发出信号强的一个通信站点进行通信，但是该测试点仍然受到了其它通信站点的信号干扰。举例来说，请参见图3，示出了两种类型的信号干扰情况。其中T1、T2为随机产生的测试点，S1-S5为候选通信站点。图3中的(a)示意测试点受一个通信站点干扰的情况，T1位于S1、S2两个通信站点的信号重叠区域内，T1与 S1距离最近，因此T1主要与S1进行通信，所以S2对T1产生信号干扰。图3中的(b) 示意测试点受两个通信站点干扰的情况，T2位于三个通信站点的信号覆盖区域内，其中， T2与S3最近，与S3进行通信，S4、S5对T2产生信号干扰。因此尽量减少站点间的信号干扰为质量目标。
下面介绍如何优化无线传输模型得到的通信站点部署的多个地址。在下文的介绍中，以有N个通信站点，有M个测试终端，令候选通信站点集合S＝{1,2,···,N}，测试终端集合 T＝{1,2,···,M}为例。
首先可根据优化目标建立目标函数，以及约束条件。
通常来说，通信站点分布越科学合理，路径损耗越小，网络的覆盖率也越高。可建立第一个目标函数，即覆盖率目标函数。该覆盖率为被覆盖测试终端与测试终端总数目的比值。若测试终端k(k∈M)从通信站点i(i∈N)接到的信号强度大于某个阀值δ(该阀值由接收机灵敏度决定)，则认为该测试终端k被通信站点i覆盖。假设一个通信站点的发射功率为P，通信站点i到测试终端k的传输路径损耗为PLoss，则测试终端k被覆盖的概率满足：
Figure BDA0003542637220000071
相应的，覆盖率目标函数为：
Figure BDA0003542637220000072
建立第二个目标函数，即质量目标函数。应理解，如果多个通信站点之间覆盖区域重叠，那么不同通信站点间的信号干扰较多，并且信号覆盖区域面积越大，信号的干扰程度越大。为了衡量信号干扰程度，可引入变量Ei来表示测试终端被通信站点覆盖的信号强度最低值，可由接收机灵敏度决定。Ei,k表示通信站点i对测试终端k所释放的信号强度，即测试终端k处的接收功率。
当Ei,k≥Ei',k且Ei,k≥Ei，Ei',k≥Ei时，通信站点i'对测试终端k产生信号干扰，测试终端 k所收到的所有其他通信站点的信号干扰
Figure BDA0003542637220000073
满足：
Figure BDA0003542637220000074
如果一个测试终端接收到的通信站点的信号强度，远远高于其他通信站点的信号干扰，即当
Figure BDA0003542637220000075
接近于1时，可认为该测试终端所受到的信号干扰可以忽略。相应的，质量目标函数为f2满足：
Figure BDA0003542637220000076
覆盖率和传输质量与通信站点的数量，发射功率、部署位置等相关，为此，本申请实施例还建立相关的约束条件。例如，通信站点数量约束条件，通信站点发射功率约束条件、机动性保障约束条件。其中，机动性保障约束条件也可以理解为部署位置约束条件。
应理解，如果后续通信站点数量为N，那么通信站点数量约束条件满足：1≤N0≤N。对于有通信隐蔽要求的应用场景中，会约束通信站点的发射功率，假设每个通信站点的发射功率为P，那么P≤Pmax，即P不能超过所设置的最大发射功率Pmax。在山地等复杂环境中，通信站点的位置通常是沿着山地公路设置的，即候选通信站点的位置到公路沿线的距离有一定的限制。例如，通信站点i的地理位置坐标为(xi,yi,zi)，目标区域公路的地理坐标集为R，有(xi,yi,zi)∈R。
本申请实施例优化目标是在通信站点数量确定的情况下，提供可以覆盖最多测试终端的选址方案，从而在固定的部署成本下达到最大的覆盖效果，对应的目标函数满足：
Figure BDA0003542637220000081
其中，N0为要选址的通信站点的个数，N为通信站点的候选个数，P为通信站点的发射功率，Pmax为预设的最大发射功率，(xi,yi,zi)为通信站点的地理位置坐标，R为通信站点的地理位置坐标集合，Ci,j＝1指两个通信站点之间联通，也就是覆盖区域存在重叠，Ci,j＝0指两个通信站点之间未联通，也就是覆盖区域没有重叠，Ti＝1指示测试终端被覆盖，Ti＝0指示测试终端未被覆盖。
通过求解目标函数的最优解，可以从无线传输模型对应的多个地址中筛选出满足预设性能指标的至少一个地址，即将多个地址优化为至少一个地址，从而在固定的部署成本下达到最大的覆盖效果。针对多个目标的优化，传统的方式是将多个目标转化为单个目标，再通过单目标的求解方式得到最终的结果，目标函数的收敛速度较慢，求解效率低。
为此，本申请实施例提供了一种新的目标函数的求解方式，无需将多目标转化为单目标进行求解，可加快目标函数的收敛速度，提高求解效率。在介绍目标函数的求解方式之前，首先介绍粒子群算法的基本概念。
粒子群算法的主要思想是在搜索空间通过协调和共享信息来寻找当前距离食物最近的粒子，并逐渐向其靠拢。每个粒子都可能是搜索空间中的最优解。例如，假设在D维的搜索空间中，每个粒子都代表一个候选解，N个粒子组成了一个种群。则第i个粒子的位置可表示为Xi＝(xi1,xi2,···,xid,···,xiD)，速度可表示为Vi＝(vi1,vi2,···,vid,···,viD)，当前粒子最优值可表示为pbi＝(pbi1,pbi2,···,pbid,···,pbiD)，种群最优值可表示为gbi＝(gbi1,gbi2,···,gbid,···,gbiD)。设f(xid(t))为粒子i在第t次迭代中第d维的适应度值函数，与标函数有关，其值的大小决定着候选解的优劣程度。具体的，可根据以下公式更新粒子i的速度和位置：
vid(t+1)＝ωvid(t)+c1r1(pbd(t)-xid(t))+c2r2(gbd(t)-xid(t))
xid(t+1)＝xid(t)+vid(t)
其中，t代表当前迭代次数，ω为惯性权重，vid(t)是粒子i在第t次迭代中第d维的速度；pbid是粒子i在第t次迭代中第d维的个体最优位置；gbid是粒子i在第t次迭代中第d维的全局最优位置；xid是粒子i在第t次迭代中第d维的位置；c1和c2分别代表“自我认知”和“社会认知”，对粒子的速度更新有一定的影响，通常都取c1＝c2＝2；r1和r2是[0,1] 区间内均匀分布的随机数，用来保持种群的多样性。
本申请实施例可基于粒子群算法求解目标函数。由于是多目标优化求解，考虑到可能会出现局部最优的问题，本申请实施例对惯性权值ω进行改进。本申请实施例使用的惯性权重ω满足：
Figure BDA0003542637220000091
其中，ωmax为最大惯性权重，ωmin为最小惯性权重，it为当前迭代次数，MaxIt为迭代总次数。ωmax，例如为0.9，ωmin，例如为0.4。本申请实施例使用的惯性权重ω可使得各个候选地址对应的运动速度进行动态变化，从而筛选出更为合理的地址。
另外，本申请实施例还引入了网络思想，即将空间坐标转化为网格空间，即将空间划分为多个网格。利用网格同时表征收敛性与分布性的特性，确定每个网格中候选解的数量，以及判断候选解在网络中的位置，这样不仅可以直观的比较解的质量，还能给出每个目标上量化的差异。
具体的，对空间进行划分，同时将多目标优化的空间从笛卡儿坐标系映射到网格坐标系，将通信站点的数值坐标映射为网格坐标。例如，假设在决策空间中，第m个目标上函数的最小值、最大值分别为minfm(X),maxfm(X)，则第m个目标在网格坐标上边界值um和下边界值lm分别满足：
Figure BDA0003542637220000092
其中，c 为网格坐标的划分个数，可根据种群大小来决定取值。
设fm(X)为通信站点X在第m个目标上的函数值，fm(X)对应的网络坐标gm(X)满足：
Figure BDA0003542637220000093
其中，/>
Figure BDA0003542637220000094
为第m个目标上网格的大小，/>
Figure BDA0003542637220000095
表示向上取整。
例如，从物理空间到网格空间的映射关系如图4所示。从图4可以看出，与笛卡儿坐标系类似，网格坐标系可以反映个体的分布情况；另一方面，在网格坐标系中，个体的密度信息同时被反映出来。即网格具有同时表征收敛性与多样性的特征，这样每个候选解都有一个确定的位置。从收敛性方面来看，可以通过判断候选解在网格中的位置；从多样性角度来看，可以通过判断每个网格中候选解的数量。
多目标优化即排除不合理的地址，也就是筛选出目标函数的最优解集，希望目标函数的多个解尽量均匀分布在最优边界，该过程是通过各个个体的更新迭代实现的。在本申请实施例中，可先在整个网格中对目标函数的多个解(取值)进行排序，得到整个网格中通信站点的各个位置的排序。如果通信站点在整个网格中的排序相同，可再通过对网格内通信站点的个数判断通信站点的分布情况，从而确定目标函数的最优解集。
首先，在整个网格中，可确定在各个目标上通信站点由于其余通信站点的次数和，也就是通信站点在整个网络中的排序(称为全局网格排序(global grid ranking,GGR))的序号。
例如，通信站点Xi在GGR的序号GGR(Xi)满足：
Figure RE-GDA0003735099150000096
其中，M为总的目标个数，gm(Xi)为通信站点Xi在目标m对应的网格坐标，find(·)函数为找出满足条件(·)的个数。通信站点的全局网格排序值越大，支配的个体越多。例如，在图4中，通信站点p3的GGR值为10，支配了其他剩余通信站点。
在排序的过程中会遇到GGR相同的情况，再通过考虑分布性来辅助通信站点排序。在本申请实施例可基于混合网格距离(hybrid grid distance,HGD)辅助通信站点排序。混合网格距离即通信站点所在网格的最小边界点的欧氏距离。通信站点Xi的混合网格距离HGD(Xi) 满足：
Figure BDA0003542637220000101
其中，fm(Xi)为通信站点Xi的实际函数值，Cm(Xi)为通信站点Xi的网格坐标。通信站点的混合网格距离越小，说明离实际最优边界越近，在排序值相同的情况下应当被优先选取。例如，在图4中，通信站点p6和通信站点p7在同一网格内，其排序值相同，但是从图5 中可以看出，通信站点p6的混合网格距离小于通信站点p7，说明通信站点p6离真实最优边界近，在这种情况下，通信站点p7应该被排除。
本申请实施例从粒子的全局网格排序、混合网格距离出发，提出一个通信站点的目标函数最优解集，以及多个通信站点组成的种群的目标函数最优解集的确定方法，从而能够排除更多不合理的部署位置。
应理解，在多目标粒子群算法中，保存与维护非支配解是一个重要部分。例如，可建立一个外部档案集用来存放获得的非劣解(非支配解)。当非劣解(非支配解)集的数量达到规定值时，可对其进行维护。这样，一方面提高算法搜索效率，另一方面维护种群的目标函数的最优解集的多样性，从而为种群的进化提供更大的搜索空间。为通信站点选择合适的种群的目标函数的最优解集能增加外部档案集的多样性，获得更加均匀的最优边界集。示例性的，以种群大小为N为例，可将外部档案集大小设定为N/2。先利用混合网格距离排除掉同一网格中的其他通信站点，再结合混合网格距离与通信站点的全局网格排序信息删除其他多余的通信站点，始终维持外部档案集的容量。应理解，由于外部档案集中整个群体的分布已发生改变，所以每次需重新计算GGR与HGD，再根据这两个值，从外部档案集中得到目标函数的最优解。
进一步地，为了避免种群过早的陷入局部最优，本申请实施例引入扰动变异算子。在求解目标函数的初期尽可能的搜索整个目标空间，所以需要较多的通信站点参与变异操作，而在后期，为了避免已搜索到的潜在最优解被变异，就要减少参与变异操作的通信站点个数。例如，变异率Pm满足：Pm＝0.9-(0.85/MaxIt)*it，其中，it为当前迭代次数，MaxIt 为迭代总次数。变异率随着代数的增加从0.9线性减少到0.05。
对于种群中的每一个通信站点，pm是[0,1]之间的一个随机数，如果pm小于Pm，则在该粒子的D个位置中随机选取一位按照如下公式进行变异，lb是变异后该位置的下边界，ub是变异后该位置的上边界，在新的上下边界中期随机产生一个位置，使得通信站点能够跳出局部最优。
lb＝xj(t)-Pm(Xmax-Xmin)
ub＝xj(t)+Pm(Xmax-Xmin)
xj(t+1)∈[lb,ub]
总的来说，本申请实施例优化无线传输模型获得的通信站点的部署位置的流程可参考图6所示。图6中的粒子即为通信站点，图6的相关内容可以参考前述的内容，此处不再赘述。
S105、确定待部署通信站点的第一部署环境。
S106、根据第一部署环境以及选址模型确定第一部署环境中需要部署的通信站点所在的位置。
需要在第一部署环境中部署通信站点时，可根据第一部署环境以及选址模型确定第一部署环境中需要部署的通信站点所在的位置。在可能的实现方式中，选址模型可以是预先建立并存储的，该选址模型的输入可以是部署环境的类型，输出可以是至少一个地址。或者，该选址模型的输入可以是部署环境的特征信息，输出可以是至少一个地址。
在本申请实施例中，由于选址模型是基于目标函数优化无线传输模型所得到的多个地址之后所确定的，因此，可认为选址模型能够最大限度地筛选不合理的地址，从而在部署成本较低的前提下，使得信号的覆盖区域更大，信号的传输质量更好，系统容量更高。
下面结合附图介绍本申请实施例中用来实现上述方法的装置。因此，上文中的内容均可以用于后续实施例中，重复的内容不再赘述。
本申请实施例还提供了实现上述各个方法实施例功能的通信装置。该通信装置至少包括处理模块、建模模块、优化模块等。
其中，处理模块用于确定待部署通信站点的第一部署环境，并根据第一部署环境以及选址模型确定第一部署环境中需要部署的通信站点所在的位置。其中，选址模型指示部署环境与地址组合的对应关系，地址组合中的一个地址对应一个通信站点。
建模模块用于针对至少一个部署环境中的每个部署环境，获取所述部署环境的特征信息；根据预设传输参数确定所述部署环境中信号由候选通信站点集合中的各个通信站点到测试终端集合中的各个终端能够经过的所有路径，根据所有路径对应的场强建立所述部署环境对应的无线传输模型；根据无线传输模型确定选址模型。其中，特征信息包括地表信息和地形的高程信息。预设传输参数包括如下的一项或多项：所述信号的最大反射次数、所述信号的绕射次数，以及所述信号的透射次数。无线传输模型指示在部署环境内不同位置的通信站点所对应的性能指标，所述性能指标包括接收功率和路径损耗。建模模块在根据预设传输参数确定所述第一部署环境中信号由候选通信站点集合中的各个通信站点到测试终端集合中的各个终端能够经过的所有路径之前，还用于设置候选通信站点集合中至少一个通信站点的天线与测试终端集合中至少一个终端的天线之间的距离、候选通信站点集合中至少一个通信站点的发射功率，以及测试终端集合中至少一个终端的接收功率。
优化模块用于从无线传输模型指示的多个地址中筛选满足预设性能指标的至少一个地址，建立无线传输模型指示的部署环境与所述至少一个地址的对应关系，获得选址模型。性能指标包括如下的一项或多项：部署成本、覆盖范围、信号传输的质量，以及系统容量。
作为一种可选的实现方式，优化模块具体用于基于目标函数从无线传输模型指示的多个地址中筛选满足预设性能指标的至少一个地址，其中，目标函数满足：
Figure BDA0003542637220000111
其中，N0为要选址的通信站点的个数，N为通信站点的候选个数，P为通信站点的发射功率，Pmax为预设的最大发射功率，(xi,yi,zi)为通信站点的地理位置坐标，R为通信站点的地理位置坐标集合，Ci,j＝1指两个通信站点之间联通，Ci,j＝0指两个通信站点之间未联通，Ti＝1指示测试终端被覆盖，Ti＝0指示测试终端未被覆盖。其中，针对N个通信站点中的第i个通信站点，确定第i个通信站点的候选地址集合，基于粒子群算法根据候选地址集合中各个候选地址对应的运动速度计算目标函数的最优解，其中，粒子群算法使用的惯性权重ω满足：
Figure BDA0003542637220000121
其中，ωmax为最大惯性权重，ωmin为最小惯性权重，it为当前迭代次数，MaxIt为迭代总次数。
候选地址集合包括的地址为网格坐标，该网格坐标是基于对空间坐标进行划分得到的，其中，第X个通信站点的第m个目标在空间坐标的最小值和最大值分别为 minfm(X),maxfm(X)，fm(X)为第X个通信站点的第m个目标上的函数值，第m个目标在网格坐标上边界值um和下边界值lm分别满足：
Figure BDA0003542637220000122
其中，c 为网格坐标的划分个数；
fm(X)对应的网络坐标gm(X)满足：
Figure BDA0003542637220000123
其中，/>
Figure BDA0003542637220000124
为第m个目标上网格的大小，/>
Figure BDA0003542637220000125
表示向上取整。
作为一种可选的实现方式，优化模块还用于对多个地址对应的目标函数的取值进行排序，对排序后的多个地址按照到所对应网格的最小边界点的欧式距离从小到大排序，从排序后的多个地址中选择序号位于预设序号之前的地址确定为所述至少一个地址。这些模块可以执行上述方法示例中的相应功能，具体参见方法示例中的详细描述，此处事不再赘述。
本申请实施例中还提供一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行上述方法示例中的方法，具体参见方法示例中的详细描述，此处事不再赘述。
本申请实施例中的术语“多个”是指两个或两个以上。术语“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A 和B，单独存在B这三种情况。另外，字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。
“以下至少一项(个)”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，a和b， a和c，b和c，或a、b和c，其中a，b，c可以是单个，也可以是多个。
以及，除非有相反的说明，本申请实施例提及“第一”、“第二”等序数词是用于对多个对象进行区分，不用于限定多个对象的大小、内容、顺序、时序、优先级或者重要程度等。例如，第一部署环境和第二部署环境，可以是同一个部署环境，也可以是不同的部署环境，且，这种名称也并不是表示这两个部署环境的优先级或者重要程度等的不同。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质 (例如固态硬盘(Solid State Disk，SSD))等。
本申请实施例中所描述的各种说明性的逻辑单元和电路可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列(FPGA)或其它可编程逻辑装置，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。
本申请实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于RAM存储器、闪存、ROM存储器、EPROM 存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (9)

1.一种通信站点的选址方法，其特征在于，包括：
确定待部署通信站点的第一部署环境；
基于目标函数从无线传输模型指示的多个地址中筛选满足预设性能指标的至少一个地址，并根据所述至少一个地址确定选址模型，所述性能指标包括如下的一项或多项：部署成本、覆盖范围、信号传输的质量，以及系统容量；其中，所述无线传输模型指示在所述部署环境内不同位置的通信站点所对应的性能指标，所述性能指标包括路径损耗；所述选址模型指示部署环境与地址组合的对应关系，所述地址组合中的一个地址对应一个通信站点；
根据所述第一部署环境以及选址模型确定所述第一部署环境中需要部署的通信站点所在的位置；
其中，目标函数满足：
Figure QLYQS_1
，其中，/>
Figure QLYQS_2
为要选址的通信站点的个数，N为通信站点的候选个数，P为通信站点的发射功率，/>
Figure QLYQS_3
为预设的最大发射功率，
Figure QLYQS_4
为通信站点的地理位置坐标，R为通信站点的地理位置坐标集合，Ci,j=1指两个通信站点之间覆盖区域存在交叠，Ci,j=0指两个通信站点之间覆盖区域不存在交叠，Ti=1指示测试终端被覆盖，Ti=0指示测试终端未被覆盖。
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
针对至少一个部署环境中的每个部署环境，获取所述部署环境的所述特征信息，所述特征信息包括地表信息和地形的高程信息；
根据预设传输参数确定所述部署环境中信号由候选通信站点集合中的各个通信站点到测试终端集合中的各个终端能够经过的所有路径，所述预设传输参数包括如下的一项或多项：所述信号的最大反射次数、所述信号的绕射次数，以及所述信号的透射次数；
根据所有路径对应的场强建立所述部署环境对应的所述无线传输模型。
3.如权利要求2所述的方法，其特征在于，在根据预设传输参数确定所述第一部署环境中信号由候选通信站点集合中的各个通信站点到测试终端集合中的各个终端能够经过的所有路径之前，所述方法还包括：
设置所述候选通信站点集合中至少一个通信站点的天线与所述测试终端集合中至少一个终端的天线之间的距离、所述候选通信站点集合中至少一个通信站点的发射功率，以及所述测试终端集合中至少一个终端的接收功率。
4.如权利要求2或3所述的方法，其特征在于，根据所述至少一个地址确定选址模型，包括：
建立所述无线传输模型指示的部署环境与所述至少一个地址的对应关系，获得所述选址模型。
5.如权利要求1所述的方法，其特征在于，基于目标函数从所述无线传输模型指示的多个地址中筛选满足预设性能指标的所述至少一个地址，包括：
针对N个通信站点中的第i个通信站点，确定所述第i个通信站点的候选地址集合，基于粒子群算法根据所述候选地址集合中各个候选地址对应的运动速度计算所述目标函数的最优解，其中，所述粒子群算法使用的惯性权重
Figure QLYQS_5
满足：
Figure QLYQS_6
，其中，/>
Figure QLYQS_7
为最大惯性权重，/>
Figure QLYQS_8
为最小惯性权重，
Figure QLYQS_9
为当前迭代次数，MaxIt为迭代总次数。
6.如权利要求1所述的方法，其特征在于，所述候选地址集合包括的地址为网格坐标，所述网格坐标是基于对空间坐标进行划分得到的，其中，第X个通信站点的第m个目标在所述空间坐标的最小值和最大值分别为
Figure QLYQS_10
，/>
Figure QLYQS_11
为所述第X个通信站点的第m个目标上的函数值，所述第m个目标在所述网格坐标上边界值/>
Figure QLYQS_12
和下边界值/>
Figure QLYQS_13
分别满足：
Figure QLYQS_14
，/>
Figure QLYQS_15
，其中，c为网格坐标的划分个数；
Figure QLYQS_16
对应的网络坐标gm(X)满足：gm(X)= />
Figure QLYQS_17
，其中，/>
Figure QLYQS_18
为第m个目标上网格的大小，/>
Figure QLYQS_19
表示向上取整。
7.如权利要求6所述的方法，其特征在于，所述方法还包括：
对所述多个地址对应的目标函数的取值进行排序；
对排序后的所述多个地址按照到所对应网格的最小边界点的欧式距离从小到大排序；
从排序后的所述多个地址中选择序号位于预设序号之前的地址确定为所述至少一个地址。
8.一种通信装置，其特征在于，包括处理器，所述处理器与存储器相连，所述存储器用于存储计算机程序，所述处理器用于执行所述存储器中存储的所述计算机程序，使得所述装置实现如权利要求1~7中任一项所述的方法。
9.一种计算机存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序当被计算机执行时，使所述计算机执行如权利要求1~7中任一项所述的方法。
CN202210237015.4A 2022-03-11 2022-03-11 一种通信站点的选址方法及通信装置 Active CN114900841B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210237015.4A CN114900841B (zh) 2022-03-11 2022-03-11 一种通信站点的选址方法及通信装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210237015.4A CN114900841B (zh) 2022-03-11 2022-03-11 一种通信站点的选址方法及通信装置

Publications (2)

Publication Number Publication Date
CN114900841A CN114900841A (zh) 2022-08-12
CN114900841B true CN114900841B (zh) 2023-06-09

Family

ID=82715580

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210237015.4A Active CN114900841B (zh) 2022-03-11 2022-03-11 一种通信站点的选址方法及通信装置

Country Status (1)

Country Link
CN (1) CN114900841B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102170685A (zh) * 2011-04-14 2011-08-31 北京邮电大学 一种无线通信系统节能方法
WO2012010283A1 (en) * 2010-07-22 2012-01-26 Alcatel Lucent Telecommunications network node and methods
CN104363618A (zh) * 2011-07-14 2015-02-18 中国移动通信集团上海有限公司 一种家庭基站定位方法以及装置
CN109819453A (zh) * 2019-03-05 2019-05-28 西安电子科技大学 基于改进遗传算法的成本最优化无人机基站部署方法
CN112105035A (zh) * 2020-08-21 2020-12-18 深圳大学 移动边缘计算服务器的部署方法及装置
CN113133007A (zh) * 2019-12-31 2021-07-16 中国移动通信集团贵州有限公司 通信站点的选址方法、装置及设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012010283A1 (en) * 2010-07-22 2012-01-26 Alcatel Lucent Telecommunications network node and methods
CN102170685A (zh) * 2011-04-14 2011-08-31 北京邮电大学 一种无线通信系统节能方法
CN104363618A (zh) * 2011-07-14 2015-02-18 中国移动通信集团上海有限公司 一种家庭基站定位方法以及装置
CN109819453A (zh) * 2019-03-05 2019-05-28 西安电子科技大学 基于改进遗传算法的成本最优化无人机基站部署方法
CN113133007A (zh) * 2019-12-31 2021-07-16 中国移动通信集团贵州有限公司 通信站点的选址方法、装置及设备
CN112105035A (zh) * 2020-08-21 2020-12-18 深圳大学 移动边缘计算服务器的部署方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
姚远程 ; 秦明伟.多载波线性功放的SystemView仿真.《无线电工程》.2004,全文. *
张平 ; 邱超 ; 张琳娟 ; 郑征 ; 樊冰.面向配电网的5G异构网络部署策略.《电子技术应用》.2022,全文. *
陈昱帆 ; 邵尉 ; 于宝泉 ; 刘瑾 ; 钱祖平.基于电磁环境大数据的智能基站布设方法.《太赫兹科学与电子信息学报》.2022,全文. *

Also Published As

Publication number Publication date
CN114900841A (zh) 2022-08-12

Similar Documents

Publication Publication Date Title
CN109963287B (zh) 天线方向角优化方法、装置、设备及介质
AU679877B2 (en) Method for wireless communication system planning
Rautiainen et al. Verifying path loss and delay spread predictions of a 3D ray tracing propagation model in urban environment
CN1934882B (zh) 使无线电网络模型匹配于实际无线电网络的状况的方法和装置
CN105430664B (zh) 一种基于分类拟合预测传播路损的方法和装置
US7079844B2 (en) Base-station cell design method and base-station cell design apparatus, and program thereof in mobile communication system
US7035632B2 (en) Path loss data normalization for growth management of a cellular system
CN109429234A (zh) 一种基站的部署方法及装置
Mollel et al. Comparison of empirical propagation path loss models for mobile communication
CN106851570B (zh) 基于mr对移动终端进行定位的方法及装置
CN109996279A (zh) 过覆盖小区定位方法、装置、设备及介质
JP2004524751A (ja) 放射経路損失の測定に基づく予測方法
US6640089B1 (en) System and method for adaptively predicting radio wave propagation
CN101796863A (zh) 移动通信系统中的基站装置和定向性控制方法
CN106550331A (zh) 一种室内定位方法和设备
Sotiroudis et al. Neural networks and random forests: A comparison regarding prediction of propagation path loss for NB-IoT networks
Filiposka et al. Terrain-aware three-dimensional radio-propagation model extension for NS-2
CN101090301A (zh) 一种无线电波路径损耗仿真测量方法
CN110139359A (zh) 一种干扰源定位处理方法及装置
CN113133022B (zh) 一种基于构建mimo多径的下载速率提升方法和系统
CN103179583A (zh) 一种网络仿真方法以及装置
Whitteker Physical optics and field-strength predictions for wireless systems
CN113965942A (zh) 一种网络配置方法及装置
CN114900841B (zh) 一种通信站点的选址方法及通信装置
Wahl et al. Combined urban and indoor network planning using the dominant path propagation model

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant